| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 城市热岛效应产生的原因 | 第15-16页 |
| 1.3 城市热岛效应的影响 | 第16-17页 |
| 1.4 城市热岛效应的研究方法 | 第17-19页 |
| 1.5 城市热岛效应领域的主要研究内容 | 第19-20页 |
| 1.5.1 地表温度反演 | 第19页 |
| 1.5.2 城市热岛效应分布特征研究 | 第19-20页 |
| 1.5.3 城市热岛效应形成机理研究 | 第20页 |
| 1.6 城市热岛效应的研究意义 | 第20-21页 |
| 1.7 城市热岛效应的缓解措施 | 第21-23页 |
| 第二章 国内外发展现状和本研究主要思路与内容 | 第23-33页 |
| 2.1 国内外研究现状 | 第23-27页 |
| 2.2 当前研究存在的问题 | 第27-28页 |
| 2.3 研究趋势与方向 | 第28-29页 |
| 2.4 本文研究的内容与方法 | 第29-31页 |
| 2.5 本研究技术路线图 | 第31-33页 |
| 第三章 研究区概况与数据源情况 | 第33-46页 |
| 3.1 研究区概况 | 第33-36页 |
| 3.1.1 地理位置及自然环境 | 第33页 |
| 3.1.2 行政区划及人口 | 第33-34页 |
| 3.1.3 社会历史人文 | 第34-35页 |
| 3.1.4 城市发展状况 | 第35页 |
| 3.1.5 经济发展态势 | 第35-36页 |
| 3.2 研究区数据源与资料情况 | 第36-46页 |
| 3.2.1 Landsat卫星简介 | 第36-38页 |
| 3.2.2 Landsat5 TM传感器简介 | 第38页 |
| 3.2.3 Landsat7 ETM传感器简介 | 第38-40页 |
| 3.2.4 Landsat8 OLI传感器简介 | 第40-41页 |
| 3.2.5 其他资料情况 | 第41-45页 |
| 3.2.6 数据源与资料使用情况 | 第45-46页 |
| 第四章 西安市地表温度的遥感反演 | 第46-74页 |
| 4.1 引言 | 第46页 |
| 4.2 数据预处理 | 第46-48页 |
| 4.3 基于多期影像的西安市地表温度遥感反演 | 第48-66页 |
| 4.3.1 地表温度遥感反演原理[107] | 第48页 |
| 4.3.2 地表温度遥感反演方法选取 | 第48-49页 |
| 4.3.3 地表温度反演 | 第49-56页 |
| 4.3.4 反演结果改正与精度验证 | 第56-64页 |
| 4.3.5 地表温度归一化处理 | 第64-66页 |
| 4.4 地表温度与城市下垫面的关系 | 第66-73页 |
| 4.4.1 地物要素快速提取 | 第66-68页 |
| 4.4.2 地表温度与NDBI、NDVI、MNDWI、BI关系 | 第68-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 西安市城市热岛效应的边界确定 | 第74-102页 |
| 5.1 引言 | 第74页 |
| 5.2 移动窗口分析法的原理 | 第74-76页 |
| 5.3 基于移动窗口分析法的城市热岛效应边界提取 | 第76-89页 |
| 5.4 边界提取精度验证 | 第89-93页 |
| 5.5 西安市城市热岛效应时空特征分析 | 第93-101页 |
| 5.5.1 不同时期城市热岛效应时空分布格局定性分析 | 第93-94页 |
| 5.5.2 不同时期城市热岛效应边界演变定量分析 | 第94-96页 |
| 5.5.3 城市热岛效应与城市扩张相关性研究 | 第96-101页 |
| 5.6 本章小结 | 第101-102页 |
| 第六章 西安市热岛分布指数研究 | 第102-124页 |
| 6.1 引言 | 第102页 |
| 6.2 西安市地表覆盖分类 | 第102-107页 |
| 6.2.1 地表覆盖分类划分 | 第102-103页 |
| 6.2.2 建立分类模板 | 第103页 |
| 6.2.3 评价分类模板 | 第103页 |
| 6.2.4 监督分类 | 第103-104页 |
| 6.2.5 分类后精度评价 | 第104-105页 |
| 6.2.6 分类后处理 | 第105-106页 |
| 6.2.7 地表覆盖数据矢量化 | 第106-107页 |
| 6.3 城市热岛效应等级划分 | 第107-109页 |
| 6.4 城市热岛分布指数的提出 | 第109-110页 |
| 6.5 西安市多期城市热岛分布指数计算 | 第110-120页 |
| 6.6 基于城市热岛分布指数的热岛效应分析评价 | 第120-122页 |
| 6.6.1 地表覆盖数据统计分析 | 第120-121页 |
| 6.6.2 热岛效应分布统计分析 | 第121页 |
| 6.6.3 城市热岛分布指数分析 | 第121-122页 |
| 6.7 本章小结 | 第122-124页 |
| 第七章 西安市城市热岛效应影响因素研究 | 第124-139页 |
| 7.1 引言 | 第124页 |
| 7.2 城市热岛效应的影响因素确定 | 第124-130页 |
| 7.2.1 城市下垫面性质 | 第125-126页 |
| 7.2.2 气候因素 | 第126页 |
| 7.2.3 人口因素 | 第126-127页 |
| 7.2.4 经济因素 | 第127-128页 |
| 7.2.5 人为热排放因素 | 第128-129页 |
| 7.2.6 大气污染因素 | 第129-130页 |
| 7.3 基于灰色关联度的城市热岛效应影响因子定量研究 | 第130-134页 |
| 7.3.1 灰色关联理论 | 第130页 |
| 7.3.2 城市平均温度与各影响因子的灰色关联度计算 | 第130-134页 |
| 7.4 城市热岛效应与城市化进程的关系分析 | 第134-137页 |
| 7.4.1 基于灰色关联度的分析 | 第134-137页 |
| 7.5 本章小结 | 第137-139页 |
| 第八章 西安市城市热岛效应模拟预测模型研究 | 第139-161页 |
| 8.1 引言 | 第139页 |
| 8.2 常见预测模型比较 | 第139-142页 |
| 8.2.1 时间序列法 | 第139-140页 |
| 8.2.2 模糊模型 | 第140页 |
| 8.2.3 灰色模型 | 第140页 |
| 8.2.4 马尔可夫链模型 | 第140-141页 |
| 8.2.5 BP人工神经网络模型 | 第141页 |
| 8.2.6 各种预测算法优缺点比较 | 第141-142页 |
| 8.2.7 模拟与预测算法选择 | 第142页 |
| 8.3 基于GM（0，N）的城市热岛效应横向关系模型构建 | 第142-148页 |
| 8.3.1 GM模型选择 | 第142-143页 |
| 8.3.2 基于灰色GM（0，N）的城市热岛效应横向关系模型 | 第143-148页 |
| 8.3.2.1 数据获取 | 第143-144页 |
| 8.3.2.2 城市热岛效应横向关系模型构建 | 第144-148页 |
| 8.4 基于改进的GM（1,1）的纵向模拟预测模型GM-E-UHI构建 | 第148-159页 |
| 8.4.1 基于灰色GM（1,1）模型的模拟 | 第148-151页 |
| 8.4.2 改进的GM-E-UHI纵向模型构建方法 | 第151-152页 |
| 8.4.3 模型参数求解 | 第152-156页 |
| 8.4.4 基于UHI-G-ES的西安市城市热岛效应纵向模拟预测 | 第156-159页 |
| 8.4.4.1 西安市城市热岛效应模拟 | 第156页 |
| 8.4.4.2 模拟精度评价 | 第156-157页 |
| 8.4.4.3 灾变预测 | 第157-159页 |
| 8.4.4.4 模拟预测结果评价 | 第159页 |
| 8.5 本章小结 | 第159-161页 |
| 第九章 结论与讨论 | 第161-165页 |
| 9.1 主要结论 | 第161-163页 |
| 9.2 讨论与展望 | 第163-165页 |
| 参考文献 | 第165-177页 |
| 附录 | 第177-180页 |
| 攻读学位期间取得的研究成果 | 第180-181页 |
| 致谢 | 第181页 |
